WACV

SuperQuadricOcc: Real-Time Self-Supervised Semantic Occupancy Estimation with Superquadric Volume Rendering

SuperQuadricOcc: 基于超级二次曲面体渲染的实时自监督语义占用估计

Seamie Hayes, Alexandre Boulch, Andrei Bursuc, Reenu Mohandas, Ganesh Sistu, Tim Brophy, Ciaran Eising

机构 * Data Driven Computer Engineering (D²iCE) Research Centre（数据驱动计算机工程（D²iCE）研究中心） ； University of Limerick（利默里克大学） ； Taighde Éireann – Research Ireland（爱尔兰研究——塔吉德） 纠错

AI总结 本文提出SuperQuadricOcc，通过超级二次曲面体渲染实现实时自监督语义占用估计，相比传统方法更高效且占用内存更少，在Occ3D-nuScenes数据集上取得最佳性能。

Comments Accepted at WACV 2027

Sparse Mixture-of-Experts for Non-Uniform Noise Reduction in MRI Images

用于MRI图像非均匀降噪的稀疏混合专家模型

Zeyun Deng, Joseph Campbell

机构 * Purdue University（普渡大学） 纠错

AI总结 针对MRI图像非均匀噪声问题，提出细粒度稀疏混合专家框架，将图像分区域后路由至专用降噪CNN，在合成与真实脑部MRI数据集上性能优于现有方法，且泛化性良好。

Comments Accepted to the WACV Workshop on Image Quality

Journal ref in 2025 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), Tucson AZ USA, pp 260-268

MLLM-LLaVA-FL: Multimodal Large Language Model Assisted Federated Learning

MLLM-LLaVA-FL：多模态大语言模型辅助联邦学习

Jianyi Zhang, Hao Frank Yang, Ang Li, Xin Guo, Pu Wang, Haiming Wang, Yiran Chen, Hai Li

机构 * Duke University（杜克大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Maryland College Park（马里兰大学学院市分校） ； Lenovo Research（联想研究院） 纠错

AI总结 针对联邦学习中数据异质性问题，提出MLLM-LLaVA-FL框架，利用多模态大语言模型，通过全球视觉文本预训练、客户端本地训练和服务器端全局对齐三个阶段，提升联邦学习性能。

Comments Accepted to WACV 2025

Journal ref IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2025)

Enhancing Monocular 3D Hand Reconstruction with Learned Texture Priors

利用学习到的纹理先验增强单目3D手部重建

Giorgos Karvounas, Nikolaos Kyriazis, Iason Oikonomidis, Georgios Pavlakos, Antonis A. Argyros

机构 * ICS-FORTH（希腊研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Crete（克里特大学） 纠错

AI总结 重新审视纹理在单目3D手部重建中的作用，提出轻量级纹理模块，嵌入像素观察到UV纹理空间，实现预测与观察手部外观的密集对齐损失，增强HaMeR系统，提高精度和真实感。

Comments Accepted at WACV 2026. Project page: https://gkarv.github.io/hand-texture-module/

Learning to Visually Connect Actions and their Effects

学习在视觉上连接动作及其效果

Paritosh Parmar, Eric Peh, Basura Fernando

机构 * Institute of High-Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡） 纠错

AI总结 该研究引入视觉连接动作及其效果（CATE）概念，探索其动作选择和效果亲和力评估两方面，设计基线模型，发现模型在该任务中表现不佳，人类远超模型，还表明CATE可作为自监督任务学习视频表征。

Comments WACV 2025 (Two Reviewer Nominations for Best Paper Candidate; Oral Presentation)

MetaMax: Improved Open-Set Deep Neural Networks via Weibull Calibration

MetaMax：通过威布尔校准改进开放集深度神经网络

Zongyao Lyu, Nolan B. Gutierrez, William J. Beksi

机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

AI总结 研究开放集识别问题，提出MetaMax这一有效后处理技术，直接对类激活向量建模，改进当代方法，无需计算类平均激活向量等，实验表明其性能优于OpenMax且与其他先进方法相当。

Comments To be presented at the 2023 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshop on Dealing with Novelty in Open Worlds (DNOW); v2 added related work section

A Realistic Protocol for Evaluation of Weakly Supervised Object Localization

弱监督目标定位评估的现实协议

Shakeeb Murtaza, Soufiane Belharbi, Marco Pedersoli, Eric Granger

机构 * LIVIA, ILLS, Dept. of Systems Engineering, ETS Montreal（蒙特利尔高等技术学院系统工程系LIVIA实验室、ILLS实验室） 纠错

AI总结 提出一种无需手动边界框标注的WSOL评估协议，利用预训练区域提议方法生成伪边界框进行模型选择和阈值估计，在自然和医学图像数据集上达到与使用真实边界框相当的性能。

Comments 13 pages, 5 figures

Journal ref WACV 2025: IEEE/CVF Winter Conf. on Applications of Computer Vision, Arizona, USA